论文部分内容阅读
心电图一直是人们了解自身心脏特征的主要途径,是疾病诊断的重要依据。由于动态心电图的产生,导致手工分析心电图所有数据已经不可能,为了提高诊断效率,实时监测病人,心电信号自动分析技术的诞生是必然的。心电信号属于微弱信号,采集信号一般都包含各种干扰噪声。因此,首先要对信号进行去噪处理,心电去噪是QRS波形检测和特征提取的基础,其结果将直接影响到自动分析的诊断结果。QRS波是心电图中最明显的部位,包含了很多重要生理信息,因此,QRS检测是自动分析中重要的一步,不仅是其他波形定位的基础,也是特征提取的前提,将影响自动分析诊断的准确度。本文基于前人研究成果的基础上,主要对QRS波群检测技术做了进一步研究。在去噪处理方面,本文采用了小波阈值去噪法。主要工作:1.选择合适的小波函数并确定小波分解层数。2.选择合适的阈值函数和阈值估计方法。3.进行仿真实验。本文利用sym8小波对心电进行小波分解,采用小波硬阈值法处理信号,同时通过输出信噪比(SNR)和最小均方误差(MSE)两参数对实验结果进行评估,表明该方法能够有效的去除心电信号中的主要噪声,具有很好的去噪效果。本文提出了一种基于小波变换的R峰定位方法。该方法采用了高斯小波作为小波函数,选取了能量集中、噪声等干扰较弱的第3层的小波分解系数作为研究对象。主要工作:1.初始阈值并确定自动阈值变换规则。2.寻找在符合阈值条件的极值点,并通过一定方法以及优化策略对极值点进行正确配对。3.根据极值对确定R波峰在原信号的位置区间,并在该区间中找出最值,该值位置即为R波峰位置。4.通过不应期生理原理对R定位结果进行误检。5.仿真实验。本文对MIT-BIH数据库中部分典型波形数据进行了实验,实验结果表明该算法定位R波峰的正确率很高,是一个有效性算法。以定位R波峰为基础,本文实现了QRS波群宽度的提取。主要工作:1.确定Q、S波在R波旁边的大概范围,在此范围中寻找极值点,并对这些极值点进行正确配对2.根据极值对确定R波峰在原信号的位置区间,并在该区间中找出最值,该值位置即为波峰(Q或S波峰)。3.在Q波峰前或S波峰后8个采样点中寻找斜率变化最大的采样点,并认为该点为Q波起始点或S波终点,即为QRS波群的始点和终点,算出QRS波群宽度5.仿真实验,在波形中标出QRS波群宽度、Q波峰及S波峰。通过对MIT-BIH数据库中部分典型波形数据进行了实验,实验结果表明该方法有较好的精确度。